本项目围绕粮食质检场景，完整实现了从数据集构建、模型训练调优到桌面端系统集成的全流程。核心算法采用 YOLOv8s 目标检测模型，针对大米中常见的五类杂质进行实时识别与定位，最终以 PyQt6 桌面应用的形式完成系统交付。

---

数据集介绍

类别说明

数据集共包含五类目标，均为大米在生产、运输或存储过程中可能混入的杂质或干扰物。

类别标识	中文名称	描述
clod	土块	泥土板结形成的不规则颗粒，颜色偏深，边缘粗糙
corn	玉米粒	外形饱满，颜色偏黄，与大米粒大小接近，混入后较难肉眼分辨
screw	螺丝	金属异物，形态规则，属于机械污染类杂质
stone	石子	大小不一的碎石颗粒，颜色多为灰白，硬度高
wheat	小麦	非大米谷物，呈椭圆纺锤形，颜色淡黄

数据规模与划分

原始数据共 1007 张 JPEG 图片，每张图片对应一个 YOLO 格式标注文件（.txt），记录各目标的类别编号与归一化包围框坐标。数据集按照 8:2 的比例随机划分，固定随机种子为 42 以保证可复现性，最终得到训练集 806 张、验证集 201 张。

划分后的目录结构符合 ultralytics 的 YOLO 数据集规范，由 src/dataset.py 自动完成文件整理，并生成 dataset.yaml 作为训练配置入口。若目标目录已存在且非空，程序会跳过重复划分，直接复用已有结构。

---

深度学习开发过程

一、数据集的构建与处理

原始图片统一存放在 data/JPEGImages/，标注文件存放在 data/labels/，类别列表记录在 data/labels/classes.txt。src/dataset.py 负责扫描所有有效的图片-标注对，过滤掉没有对应标注的图片，随机打乱后按比例划分，并复制到 train_result/dataset/ 下的标准 YOLO 目录结构中。

二、模型训练与调优

训练入口为 train.py，模型选用 YOLOv8s，在 ImageNet 预训练权重基础上进行迁移学习。训练过程中启用了多种数据增强策略以提升模型泛化能力，包括随机色调/饱和度/亮度扰动、随机旋转、随机翻转、Mosaic 拼图以及 Mixup 混合增强，有效缓解了样本多样性不足的问题。

训练采用早停机制，当验证集 mAP 连续 30 个 epoch 没有提升时自动终止，避免过拟合并节省计算资源。每隔 10 个 epoch 自动保存一次中间权重，最终 best.pt 和 last.pt 分别保存精度最高和最后一轮的模型。

三、系统集成与功能开发

训练完成后，src/visualizer.py 读取 results.csv 生成七张单指标曲线图和一张总览图，直观呈现收敛过程。桌面端系统以 app.py 为入口，PyQt6 构建多页面界面，SQLite 存储用户账号与检测历史，YOLOv8 推理封装在 ui/utils/detector.py 中，通过 QThread 实现异步检测，保证界面流畅不卡顿。

---

训练配置与超参数

参数	值	说明
基础模型	yolov8s.pt	small 版本，精度与速度的平衡点
最大轮次	100	配合早停使用
输入尺寸	640×640	YOLOv8 默认推荐分辨率
批大小	16	适配 12GB 显存的 3060
初始学习率	0.01	余弦退火调度
学习率衰减	0.01（乘数）	最终 lr = lr0 × lrf
动量	0.937	SGD 动量
权重衰减	0.0005	L2 正则
预热轮次	3	防止早期梯度爆炸
早停耐心	30	连续 30 轮无提升则停止
Box Loss 权重	7.5	定位精度优先
Cls Loss 权重	0.5
DFL Loss 权重	1.5
Mosaic 增强	1.0	全程启用
Mixup 增强	0.1	低比例混合
随机旋转	±5°
随机缩放	0.5
水平翻转	0.5
垂直翻转	0.1

---

训练指标与实验结果

训练共运行 100 个 epoch，全程未触发早停，说明模型在此数据集上仍有收益空间。最终 epoch 在验证集上的核心指标如下：

指标	最终值
Precision	0.9946
Recall	0.9947
mAP@0.5	0.9943
mAP@0.5:0.95	0.6722

Precision 和 Recall 均接近 0.995，mAP@0.5 同样超过 0.994，说明模型在 IoU=0.5 阈值下对五类杂质的识别近乎完整；mAP@0.5:0.95 约为 0.672，反映了在更严格的定位精度要求下模型仍保持较高水平。

整体训练曲线呈现良好的收敛态势：训练损失（Box/Cls/DFL）在前 20 个 epoch 快速下降，此后平稳趋近；验证损失与训练损失走势基本一致，没有出现明显的过拟合分叉，表明数据增强策略和正则化配置合理。

---

可视化图表说明

训练结束后，src/visualizer.py 会在 train_result/charts/ 下自动生成以下图表：

box_loss.png 展示包围框回归损失（训练集与验证集）随 epoch 的变化，用于判断定位能力是否充分学习。cls_loss.png 对应分类损失，下降越平滑说明类别区分越稳定。dfl_loss.png 为 Distribution Focal Loss，是 YOLOv8 特有的边框分布损失，辅助模型学习更精细的坐标分布。

precision.png 和 recall.png 分别展示精确率和召回率的 epoch 曲线，两者均接近 1.0 且上升平稳，说明模型几乎没有漏检和误检。map50.png 对应 IoU=0.5 时的 mAP，map50_95.png 对应从 IoU=0.5 到 0.95 每隔 0.05 取平均的综合 mAP，后者要求更严格的定位精度，通常比 mAP@0.5 低 20~30 个百分点属于正常现象。

summary.png 是总览图，将全部指标的最终值以柱状图汇总呈现，方便一眼评估整体效果。

此外，系统【指标展示】页面会直接在 UI 内嵌入训练曲线与汇总图表，无需单独打开图片文件查看。

---

系统功能模块

系统登录界面支持账号注册与登录，首次运行会自动初始化 SQLite 数据库并创建默认账号（admin / admin123）。登录成功后进入主界面，左侧为导航侧栏，右侧为功能区，共六个页面：

图片识别页支持本地图片的打开与检测，检测完成后在预览区域叠加标注框，同时以统计摘要（目标总数、类别数、平均/最高置信度）、逐目标详细数据表和置信度分布直方图三个 Tab 展示结果，支持导出带标注图片和 CSV 明细文件。

视频识别页逐帧处理视频文件，用户可设置每 N 帧检测一次以平衡速度与精度，实时显示当前帧目标信息和本次运行的累计统计，处理完毕自动保存至历史记录。

摄像头识别页接入本地摄像头进行实时推流检测，支持随时截图保存、手动开关检测以及将本次会话记录存入历史。

历史记录页以表格形式展示所有图片/视频/摄像头检测记录，支持按类型筛选，可随时清空历史。

指标展示页嵌入训练曲线图（训练/验证损失、mAP、Precision & Recall）和最终指标汇总柱状图，点击【重新加载】可刷新最新训练结果。

模型管理页显示当前加载模型的路径、类别数、类别列表等元信息，支持手动切换模型权重文件，置信度阈值和 IoU 阈值均可实时调整。

---

技术栈

方向	组件
目标检测	YOLOv8（ultralytics）
深度学习框架	PyTorch
图像处理	OpenCV、Pillow
UI 框架	PyQt6
图表可视化	Matplotlib
数据处理	Pandas、NumPy
数据存储	SQLite（Python 内置 sqlite3）
配置解析	PyYAML
运行环境	Python 3.9、CUDA、Windows

---

项目结构

c191/
├── app.py                    # 桌面端入口
├── train.py                  # 训练流程入口
├── yolov8s.pt                # YOLOv8s 预训练权重
│
├── data/                     # 原始数据集
│   ├── JPEGImages/           # 全部原始图片（1007 张）
│   ├── labels/               # YOLO 格式标注文件
│   │   └── classes.txt       # 类别列表
│   └── README.md             # 数据集说明文档
│
├── src/                      # 训练相关模块
│   ├── dataset.py            # 数据集划分与 YAML 生成
│   ├── trainer.py            # YOLOv8 训练封装
│   └── visualizer.py         # 训练指标可视化
│
├── ui/                       # 桌面应用模块
│   ├── login_window.py       # 登录/注册窗口
│   ├── main_window.py        # 主窗口框架与导航
│   ├── pages/                # 各功能页面
│   │   ├── image_page.py     # 图片识别
│   │   ├── video_page.py     # 视频识别
│   │   ├── camera_page.py    # 摄像头实时检测
│   │   ├── history_page.py   # 历史记录
│   │   ├── metrics_page.py   # 训练指标展示
│   │   └── model_page.py     # 模型管理
│   └── utils/                # 公共工具
│       ├── detector.py       # YOLOv8 推理封装
│       ├── workers.py        # QThread 异步工作线程
│       ├── database.py       # SQLite 数据库操作
│       └── styles.py         # QSS 样式生成
│
└── train_result/             # 训练产物（自动生成）
    ├── dataset/              # 划分后的数据集 + dataset.yaml
    ├── runs/exp/             # 训练日志、权重、内置图表
    │   ├── weights/
    │   │   ├── best.pt       # 最优权重
    │   │   └── last.pt       # 最后一轮权重
    │   └── results.csv       # 逐 epoch 训练记录
    └── charts/               # 自定义可视化图表（7 张 + 1 张总览）

---

启动说明

环境安装

Python 版本要求 3.9，CUDA 版本需与 PyTorch 匹配（推荐 CUDA 11.8 或 12.x）。依赖项均列在 requirements.txt，在对应虚拟环境中执行安装即可。

pip install -r requirements.txt

如需 GPU 加速，建议单独先安装对应版本的 torch 和 torchvision，再安装其余依赖。

训练（可选）

如需重新训练，直接运行：

python train.py

程序会依次完成数据集准备、模型训练和可视化图表生成，所有产物自动保存至 train_result/。训练参数可在 train.py 顶部的 TRAIN_CFG 字典中修改。

若只需要基于已有 results.csv 重新生成图表：

python src/visualizer.py

启动桌面应用

python app.py

系统默认加载 train_result/runs/exp/weights/best.pt 作为检测权重。首次启动会自动建库，默认账号为 admin，密码 admin123。进入系统后可在【模型管理】页面切换为其他权重文件。

---